GPU行业分析报告：AI模型（54页）

行业报告下载 2023年05月26日 07:01 管理员

GPU，专注图像处理。GPU（图形处理器）最初是为了解决 CPU 在图形处理领域性能不足的问题而诞生。CPU 作为核心控制计算单元，高速缓冲存储器（Cache）、控制单元（Control）在 CPU 硬件架构设计中所占比例较大，主要为实现低延迟和处理单位内核性能要求较高的工作而存在，而计算单元（ALU）所占比例较小，这使得 CPU 的大规模并行计算表现不佳。GPU 架构内主要为计算单元，采用极简的流水线进行设计，适合处理高度线程化、相对简单的并行计算，在图像渲染等涉及大量重复运算的领域拥有更强运算能力。GPGPU，脱胎于 GPU，通用性提升。GPU 计算单元既可运用于图形渲染领域，也能够进行通用计算。传统 GPU 应用局限于图形渲染计算，而面对非图像显示领域并涉及大量并行运算的领域，比如 AI、加密解密、科学计算等领域则更需要通用计算能力。

随着 GPU 可编程性的不断提高，去掉或减弱 GPU 的图形显示部分能力，全部投入通用计算的 GPGPU（通用计算处理器）应运而生。CPU+GPU 异构计算解决多元化计算需求。使用不同的体系架构的计算单元组成混合系统，GPU 作为协处理器负责并行加速计算，CPU 作为控制中心的异构计算面对复杂场景可实现更优性能。大语言模型开启 AI 元年。2022 年 11 月，OpenAI 推出基于大型语言模型 GPT-3 的 AI 对话机器人 ChatGPT，其可以与用户进行富有逻辑和创造力的自然语言对话。2017 年由 Google 提出的 Transformer 模型是大型语言模型发展的里程碑， Transformer 是一种基于注意力（Attention）机制构建的神经网络模型，克服了传统的递归神经网络（RNN）和卷积神经网络（CNN）在自然语言处理时容易被无关信息干扰的缺点，能够更好的理解长序列和上下文的关系。

GPU行业分析报告：AI模型（54页）